토이 프로젝트 4 : 챗봇을 넘어 콜봇으로 based on AI (RAG + LLM)

[프로젝트 개요]

프로젝트 명 : 챗봇을 넘어 콜봇으로 based on AI (RAG + LLM)
상세 내용 : 프로젝트 RFP 노션 링크
수행 및 결과물 제출 기한 : 7/14 (월) ~ 8/1 (금) 14:00
멘토진 코드리뷰 기한 : 8/4 (월) ~ 8/17 (일), 2주 간 진행

[프로젝트 진행 및 제출 방법]

본 패스트캠퍼스 Github의 Repository를 각 조별의 Github Repository를 생성 후 Fork합니다.
- 패스트캠퍼스 깃헙은 Private 형태 (Public 불가)
조별 레포의 최종 branch → 패스트캠퍼스 업스트림 Repository의 main branch의 PR 상태로 제출합니다.
- PR TITLE : N조 최종 제출
- Pull Request 링크를 LMS로도 제출해 주셔야 최종 제출 완료 됩니다. (제출자: 조별 대표자 1인)
- LMS를 통한 과제 미제출 시 점수가 부여되지 않습니다.
PR 제출 시 유의사항
- 프로젝트 진행 결과 및 과업 수행 내용은 README.md에 상세히 작성 부탁 드립니다.
- 멘토님들께서 어플리케이션 실행을 위해 확인해야 할 환경설정 값 등도 반드시 PR 부가 설명란 혹은 README.md에 작성 부탁 드립니다.
- Pull Request에서 제출 후 절대 병합(Merge)하지 않도록 주의하세요!
- 수행 및 제출 과정에서 문제가 발생한 경우, 바로 질의응답 멘토님이나 강사님에게 얘기하세요! (강사님께서 필요시 개별 힌트 제공)

📚 책크인 - AI 기반 온라인 서점 프로젝트

프로젝트 소개 Introduction

Spring Boot와 AI 기술을 융합한 지능형 온라인 서점 시스템으로, 사용자와 관리자를 위한 종합적인 도서 쇼핑몰 기능과 AI 기반 도서 추천 챗봇을 제공합니다.

주요 특징

🔐 사용자/관리자 분리된 인증 시스템
📖 3단계 계층형 카테고리 구조
🛒 실시간 재고 연동 장바구니
💳 KakaoPay API 연동 결제 시스템
📱 반응형 웹 디자인
⚡ 캐싱 기반 성능 최적화
🤖 AI 도서 추천 챗봇 시스템 (RAG + LLM)
🧠 감정 기반 개인화 추천
🔍 하이브리드 검색 엔진 (벡터 + 키워드)

🎯 프로젝트 개요

ERD (Entity Relationship Diagram)

아키텍처

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Presentation  │    │    Business     │    │      Data       │
│   (Controller)  │◄──►│   (Service)     │◄──►│  (Repository)   │
└─────────────────┘    └─────────────────┘    └─────────────────┘
│                                                                │
│  - @Controller        │  - @Service          │  - @Repository  │
│  - REST API           │  - 비즈니스 로직      │  - JPA/Hibernate│
│  - Thymeleaf          │  - 트랜잭션 관리      │  - MySQL 연동   │
└────────────────────────────────────────────────────────────────┘

🛠 기술 스택

Backend (Java Spring Boot)

Java 17 - 최신 LTS 버전
Spring Boot 3.3.1 - 웹 애플리케이션 프레임워크
Spring Data JPA - ORM 및 데이터 액세스
Spring Web - RESTful API 개발
Hibernate - ORM 구현체
MySQL 8.0 - 관계형 데이터베이스

AI Service (Python FastAPI)

Python 3.11+ - AI 서비스 백엔드
FastAPI - AI API 서버 프레임워크
LangChain - LLM 오케스트레이션 프레임워크
OpenAI GPT-4 - 대화형 AI 모델
ChromaDB - 벡터 데이터베이스
OpenAI Embeddings - 문서 임베딩 생성

Frontend

Thymeleaf - 서버 사이드 템플릿 엔진
HTML5/CSS3 - 마크업 및 스타일링
JavaScript ES6+ - 클라이언트 사이드 로직
부트스트랩 스타일 - 반응형 디자인

외부 API & AI 서비스

KakaoPay API - 결제 시스템
JavaMail API - 이메일 발송 (아이디/비밀번호 찾기)
OpenAI API - GPT-4 및 임베딩 서비스
Aladin API - 도서 메타데이터 수집
Kakao Book API - 추가 도서 정보 수집

개발 도구

IntelliJ IDEA - 통합 개발 환경
Maven - 의존성 관리 및 빌드 도구
Git & GitHub - 버전 관리
MySQL - 데이터베이스 관리
Docker & Docker Compose - 컨테이너 기반 배포
VS Code - Python AI 서비스 개발

✨ 주요 기능

👤 사용자 기능

🔐 회원 관리

✅ 회원가입 (실명인증, 이메일 중복검사)
✅ 로그인/로그아웃 (30분 세션 관리)
✅ 아이디/비밀번호 찾기 (이메일 발송)
✅ 회원정보 수정
✅ 휴면계정 관리 (스케줄러 기반)

📖 상품 조회

✅ 메인 페이지 (베스트셀러, 신상품, 인기검색어)
✅ 카테고리별 상품 브라우징 (대분류 > 중분류 > 소분류)
✅ 상품 검색 (일반검색, 상세검색)
✅ 상품 상세 정보 (재고, 리뷰, 평점)
✅ 최근 본 상품 (로컬 스토리지 기반)

🛒 장바구니

✅ 상품 추가/수정/삭제
✅ 실시간 재고 확인 (API 캐싱)
✅ 수량 조절 (재고량 초과 방지)
✅ 선택 상품 주문
✅ 페이지네이션 (10개씩)

💳 주문/결제

✅ 주문서 작성 (배송지, 수량 확인)
✅ KakaoPay 결제 연동
✅ 주문 상태 추적 (7단계)
✅ 주문 취소
✅ 주문 내역 조회

⭐ 리뷰 시스템

✅ 리뷰 작성/수정/삭제
✅ 평점 시스템 (1-5점)
✅ 리뷰 페이지네이션
✅ Soft Delete 지원

🤖 AI 챗봇 기능

✅ 감정 기반 도서 추천
✅ 자연어 대화 인터페이스
✅ 개인화된 추천 시스템
✅ 세션 기반 대화 관리
✅ 의도 분류 및 쿼리 분석
✅ RAG (Retrieval-Augmented Generation) 기반 검색
✅ 하이브리드 검색 (벡터 + 키워드)
✅ 실시간 clarification 처리

👨‍💼 관리자 기능

📦 상품 관리

✅ 상품 등록/수정/삭제
✅ 재고 관리 (입고/출고 이력)
✅ 상품 상태 변경 (판매중/품절/절판/입고예정)
✅ 카테고리 관리
✅ 상품 검색/필터링 (상세검색)

📋 주문 관리

✅ 주문 내역 조회
✅ 주문 상태 변경
✅ 기간별 주문 검색
✅ 주문 상세 정보 확인

👥 회원 관리

✅ 회원 정보 조회
✅ 회원 검색 (다중 조건)
✅ 회원별 주문 내역 확인
✅ 회원 상태 관리

🔒 관리자 권한 제어

✅ 관리자 전용 페이지 접근 제한
✅ 일반 사용자 기능 차단 (장바구니, 마이페이지)
✅ URL 직접 접속 차단

🤖 AI 서비스 기능

🧠 추천 에이전트 (`recommend_agent.py`)

✅ 감정, 장르, 키워드 기반 도서 추천
✅ MMR(Maximum Marginal Relevance) 기반 다양성 검색
✅ 벡터 데이터베이스 활용한 유사도 검색

📚 위키 검색 에이전트 (`wiki_search_agent.py`)

✅ 작가 정보 검색 및 제공
✅ 도서 관련 정보 검색
✅ 구조화된 응답 생성

🎯 메인 에이전트 (`main_agent.py`)

✅ 사용자 의도 분류 (intent_classify_chain.py)
✅ 쿼리 분석 (query_analysis_chain.py)
✅ 세션 관리 및 대화 히스토리 추적
✅ 에이전트 라우팅 (intent_router.py)

🌐 API 명세서

📋 인증 관련 API

Method	Endpoint	Description	Request	Response
GET	`/login`	로그인 페이지	-	HTML
POST	`/login`	로그인 처리	`LoginRequest`	Redirect
POST	`/logout`	로그아웃	-	Redirect
GET	`/register`	회원가입 페이지	-	HTML
POST	`/api/register`	회원가입 처리	`RegisterRequest`	`RegisterResponse`
POST	`/findId`	아이디 찾기	`name, email`	String
POST	`/findPassword`	비밀번호 찾기	`idForUser, email`	String

📖 상품 관련 API

Method	Endpoint	Description	Parameters	Response
GET	`/main`	메인 페이지	-	HTML + 베스트셀러/신상품
GET	`/product/detail/{isbn}`	상품 상세	`isbn`, `page`	`Product` + 리뷰
GET	`/product/category/low/{categoryId}`	카테고리별 상품	`categoryId`, `page`, `size`, `sort`	`ProductListPageResponse`
GET	`/product/search`	일반 검색	`q`, `page`, `size`, `sort`	`ProductListPageResponse`
GET	`/product/search-advanced`	상세 검색	`title`, `author`, `publisher`	`ProductListPageResponse`
GET	`/api/popular-keywords`	인기 검색어 Top 10	-	`List<ProductSimpleResponse>`
GET	`/api/bestseller`	베스트셀러	`period` (week/month/year)	`List<ProductSimpleResponse>`
GET	`/api/newproducts`	신상품 Top 10	-	`List<ProductSimpleResponse>`

🛒 장바구니 API

Method	Endpoint	Description	Request Body	Response
GET	`/cart`	장바구니 페이지	-	HTML
POST	`/cart/add`	상품 추가	`isbn`, `quantity`	String
POST	`/cart/add-bulk`	일괄 추가	`List<String> isbns`	String
POST	`/cart/check`	중복 상품 확인	`List<String> isbns`	`Map<String, Object>`
POST	`/cart/update`	수량 변경	`isbn`, `quantity`	String
POST	`/cart/delete`	상품 삭제	`isbn`	String
GET	`/cart/list`	장바구니 목록	-	`List<CartItemResponse>`
GET	`/product/api/stock/{isbn}`	재고 확인	`isbn`	`Map<String, Integer>`

🤖 AI 채팅 API

Method	Endpoint	Description	Request Body	Response
POST	`/api/chat/message`	채팅 메시지 전송	`{"message": "사용자 메시지"}`	`Map<String, Object>`
GET	`/health`	AI 서비스 상태 확인	-	`{"status": "healthy"}`
POST	`/api/chat`	AI 챗봇 대화 (FastAPI)	`ChatRequest`	`{"response": "AI 응답", "success": true}`

💳 주문/결제 API

Method	Endpoint	Description	Request Body	Response
GET	`/order`	주문 페이지	-	HTML
POST	`/api/order/create`	주문 생성	`OrderRequest`	`Map<String, Object>`
POST	`/api/payment/attempt`	결제 시도	`PaymentRequest`	KakaoPay Response
POST	`/api/payment/complete`	결제 완료	`paymentId`, `pgToken`	Redirect
POST	`/api/payment/fail`	결제 실패	`paymentId`	Redirect
GET	`/order/summary`	주문 요약	`orderId`	HTML
POST	`/api/orders/cancel`	주문 취소	`orderId`, `idForAdmin`	String

👤 마이페이지 API

Method	Endpoint	Description	Request	Response
GET	`/mypage`	마이페이지	-	HTML + 사용자 정보
POST	`/api/user/update`	회원정보 수정	`UserUpdateRequest`	String
GET	`/api/user/orders`	주문 내역	`page`, `size`	`List<OrderHistoryResponse>`

⭐ 리뷰 API

Method	Endpoint	Description	Request Body	Response
POST	`/api/review/write`	리뷰 작성	`ReviewRequest`	String
POST	`/api/review/edit`	리뷰 수정	`ReviewRequest`	String
POST	`/api/review/delete`	리뷰 삭제	`reviewId`	String

👨‍💼 관리자 API

상품 관리

Method	Endpoint	Description	Request	Response
GET	`/admin/product-inquiry`	상품 조회 페이지	필터 파라미터들	HTML
POST	`/admin/api/products/{isbn}/stock-in`	입고 처리	`quantity`	String
POST	`/admin/api/products/{isbn}/status`	상태 변경	`status`	String
POST	`/admin/api/products/{isbn}/price`	가격 변경	`price`	String
POST	`/admin/api/product/register`	상품 등록	`ProductRequest`	String
GET	`/admin/api/categories`	카테고리 목록	-	`CategoryTreeResponse`

주문 관리

Method	Endpoint	Description	Parameters	Response
GET	`/admin/order-inquiry`	주문 조회 페이지	검색 조건들	HTML
GET	`/admin/api/orders`	주문 목록 API	`page`, 필터 조건들	`AdminOrderPageResponse`
POST	`/admin/api/orders/{orderId}/status`	주문 상태 변경	`idForAdmin`, `status`	String

회원 관리

Method	Endpoint	Description	Parameters	Response
GET	`/admin/user-inquiry`	회원 조회 페이지	검색 조건들	HTML
GET	`/admin/api/users`	회원 목록 API	`page`, 필터 조건들	`Page<User>`
GET	`/admin/api/users/{idForAdmin}/orders`	특정 회원 주문 내역	`idForAdmin`	`List<AdminOrderHistoryResponse>`

🚀 설치 및 실행

사전 요구사항

Java 17 이상
Python 3.11 이상
Maven 3.6 이상
MySQL 8.0 이상
Docker & Docker Compose (선택사항)
Git
OpenAI API Key (AI 기능 사용시 필수)

1. 프로젝트 클론

git clone https://github.com/your-username/KDT_BE12_Toy_Project4.git
cd KDT_BE12_Toy_Project4

2. 데이터베이스 설정

AWS RDS 사용 (현재 프로젝트 방식)

AWS RDS MySQL 인스턴스 생성
보안 그룹에서 3306 포트 열기
application.properties에 RDS 엔드포인트 설정

로컬 MySQL 사용 (개발용)

CREATE DATABASE tp4team5 CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
CREATE USER 'bookstore_user'@'localhost' IDENTIFIED BY 'your_password';
GRANT ALL PRIVILEGES ON tp4team5.* TO 'bookstore_user'@'localhost';
FLUSH PRIVILEGES;

Docker MySQL 사용

docker run --name mysql-bookstore \
  -e MYSQL_ROOT_PASSWORD=rootpassword \
  -e MYSQL_DATABASE=tp4team5 \
  -e MYSQL_USER=bookstore_user \
  -e MYSQL_PASSWORD=your_password \
  -p 3306:3306 -d mysql:8.0

3. 애플리케이션 설정 파일 생성

src/main/resources/application.properties 파일을 생성하고 다음 내용을 입력하세요:

# 애플리케이션 이름
spring.application.name=KDT_BE12_Toy_Project4

# 데이터베이스 설정 (AWS RDS)
spring.datasource.url=jdbc:mysql://your-rds-endpoint:3306/your_database?serverTimezone=Asia/Seoul
spring.datasource.username=your_db_username
spring.datasource.password=your_db_password

# 데이터베이스 연결 풀 설정 (HikariCP)
spring.datasource.hikari.maximum-pool-size=5
spring.datasource.hikari.minimum-idle=2
spring.datasource.hikari.connection-timeout=20000
spring.datasource.hikari.idle-timeout=300000
spring.datasource.hikari.max-lifetime=1200000
spring.datasource.hikari.leak-detection-threshold=60000

# UTF-8 인코딩 설정 (강화)
server.servlet.encoding.charset=UTF-8
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true
server.servlet.encoding.force-request=true
server.servlet.encoding.force-response=true

# Thymeleaf 설정
spring.thymeleaf.encoding=UTF-8
spring.thymeleaf.mode=HTML
spring.thymeleaf.cache=false
spring.thymeleaf.servlet.content-type=text/html; charset=UTF-8

# HTTP 메시지 컨버터 인코딩
spring.http.encoding.charset=UTF-8
spring.http.encoding.enabled=true
spring.http.encoding.force=true

# 추가 인코딩 설정
spring.messages.encoding=UTF-8
spring.banner.charset=UTF-8

# JPA 설정
spring.jpa.hibernate.ddl-auto=update
spring.jpa.show-sql=true
spring.jpa.properties.hibernate.dialect=org.hibernate.dialect.MySQLDialect
spring.jpa.properties.hibernate.format_sql=true
logging.level.org.hibernate.SQL=debug
logging.level.org.hibernate.type.descriptor.sql=trace
logging.level.org.hibernate.orm.jdbc.bind=trace
logging.level.org.hibernate.orm.jdbc=trace
logging.level.org.hibernate=debug
logging.level.org.hibernate.type=trace

# 이메일 설정 (Gmail SMTP)
spring.mail.host=smtp.gmail.com
spring.mail.port=587
spring.mail.username=your_email@gmail.com
spring.mail.password=your_app_password
spring.mail.properties.mail.smtp.auth=true
spring.mail.properties.mail.smtp.starttls.enable=true
spring.mail.default-encoding=UTF-8

# 발신자 정보
mail.sender.email=your_email@gmail.com
mail.sender.name=책크인 관리자

# KakaoPay 설정
kakaopay.admin-key=your_kakaopay_admin_key
kakaopay.cid=TC0ONETIME

# AI 서비스 설정 (토글 가능)
ai.service.enabled=true
ai.service.base-url=http://localhost:8000
ai.service.timeout=30000
ai.service.fallback-to-java=true

# OpenAI API 키 (Java에서 직접 사용)
openai.api.key=${OPENAI_API_KEY:}
openai.api.url=https://api.openai.com/v1/chat/completions
openai.model=gpt-3.5-turbo
openai.max-tokens=1000
openai.temperature=0.7

⚠️ 중요 설정 안내:

데이터베이스 설정

AWS RDS: 실제 프로젝트는 AWS RDS MySQL을 사용
로컬 개발: MySQL 로컬 설치 또는 Docker MySQL 컨테이너 사용

AI 서비스 URL 설정

환경	AI 서비스 URL	설명
로컬 개발	`http://localhost:8000`	개별 실행 시
Docker Compose	`http://ai-service:8000`	컨테이너 내부 통신
AWS/원격	`http://your-domain:8000`	원격 서버 주소

환경변수 설정 필수

# 환경변수로 설정
export OPENAI_API_KEY=your_openai_api_key_here

# 또는 application.properties에 직접 입력
openai.api.key=your_openai_api_key_here

4. AI 서비스 설정 (Python)

ai-service 디렉토리로 이동하여 Python 환경 설정:

cd ai-service
python -m venv ai_venv
# Windows
ai_venv\Scripts\activate
# Linux/Mac
source ai_venv/bin/activate

pip install -r requirements.txt

5. AI 서비스 환경 변수 설정

ai-service/.env 파일 생성:

# OpenAI API 설정
OPENAI_API_KEY=your_openai_api_key_here

# 벡터 데이터베이스 설정
CHROMA_DB_PATH=./data/chroma_db
COLLECTION_NAME=bookstore_collection

# 서비스 설정
FAST_API_HOST=0.0.0.0
FAST_API_PORT=8000

6. 벡터 데이터베이스 (ChromaDB) 설정

초기 벡터DB 생성

cd ai-service
# 벡터DB 디렉토리 생성
mkdir -p data/chroma_db

# 벡터DB 상태 확인
python data/prompts/check_vector_db.py

도서 데이터 임베딩 (선택사항)

# 전처리된 도서 데이터가 있는 경우
cd data/prompts/preprocessing
python product_extract.py  # 도서 정보 추출
python emotion_extract.py  # 감정 키워드 추출
python generate_reviews.py # 리뷰 데이터 생성

7. Docker 설정 (권장 방법)

Docker Compose 환경변수 설정

프로젝트 루트에 .env 파일 생성:

# MySQL 설정
MYSQL_ROOT_PASSWORD=rootpassword
MYSQL_DATABASE=bookstore_db
MYSQL_USER=bookstore_user
MYSQL_PASSWORD=your_database_password

# AI 서비스 설정
OPENAI_API_KEY=your_openai_api_key_here
AI_SERVICE_BASE_URL=http://ai-service:8000

Docker Compose 실행

# 모든 서비스 시작
docker-compose up -d

# 로그 확인
docker-compose logs -f

# 특정 서비스 로그 확인
docker-compose logs ai-service
docker-compose logs spring-app

# 서비스 중지
docker-compose down

Docker 개별 빌드 (필요시)

# AI 서비스 빌드
cd ai-service
docker build -t bookstore-ai .

# Spring Boot 앱 빌드
docker build -t bookstore-app .

8. 애플리케이션 실행

방법 1: Docker Compose 사용 (권장)

# 전체 시스템 시작
docker-compose up -d

# 상태 확인
docker-compose ps

방법 2: 개별 실행

1단계: MySQL 시작 (로컬 설치 또는 Docker)

# Docker로 MySQL만 실행
docker run --name mysql-bookstore \
  -e MYSQL_ROOT_PASSWORD=rootpassword \
  -e MYSQL_DATABASE=bookstore_db \
  -e MYSQL_USER=bookstore_user \
  -e MYSQL_PASSWORD=your_password \
  -p 3306:3306 -d mysql:8.0

2단계: AI 서비스 시작

cd ai-service
# 가상환경 활성화
ai_venv\Scripts\activate  # Windows
# source ai_venv/bin/activate  # Linux/Mac

# 서비스 시작
python main.py

3단계: Spring Boot 서버 시작

# 별도 터미널에서
mvn clean install
mvn spring-boot:run

# 또는 IDE에서 AIToyProjectApplication.java 실행

방법 3: 스크립트 사용

# Windows
scripts\start.bat

# Linux/Mac
chmod +x scripts/start.sh
./scripts/start.sh

9. 접속 확인 및 테스트

서비스 접속

메인 웹사이트: http://localhost:8080
AI 서비스: http://localhost:8000
AI 서비스 헬스체크: http://localhost:8000/health

AI 챗봇 테스트

# AI 서비스 직접 테스트
curl -X POST "http://localhost:8000/api/chat" \
  -H "Content-Type: application/json" \
  -d '{"message": "우울할 때 읽을 책 추천해줘"}'

벡터DB 상태 확인

cd ai-service
python data/prompts/check_vector_db.py

Docker 컨테이너 상태 확인

# 컨테이너 상태
docker-compose ps

# 네트워크 확인
docker network ls | grep bookstore

# 볼륨 확인
docker volume ls | grep bookstore

🗄 데이터베이스 설정

샘플 데이터 구성

프로젝트 실행 후 다음 순서로 데이터를 구성하세요:

관리자 계정 생성

INSERT INTO admin (admin_id, admin_pwd, admin_name, admin_status) 
VALUES ('admin', 'admin123', '시스템 관리자', 'ACTIVE');

사용자 등급 설정

INSERT INTO user_grade (user_grade_id, user_grade_name, grade_criteria_start_price, grade_criteria_end_price) VALUES
('BRONZE', '브론즈', 0, 99999),
('SILVER', '실버', 100000, 299999),
('GOLD', '골드', 300000, 499999),
('PLATINUM', '플래티넘', 500000, 999999);

카테고리 구조 생성

-- 대분류
INSERT INTO top_category (top_category_name) VALUES
('문학'), ('인문'), ('사회과학'), ('자연과학'), ('기술공학');

-- 중분류 (예시)
INSERT INTO middle_category (top_category, mid_category_name) VALUES
(1, '한국문학'), (1, '외국문학'), (2, '철학'), (2, '역사');

-- 소분류 (예시)  
INSERT INTO low_category (mid_category, low_category_name) VALUES
(1, '소설'), (1, '시'), (2, '소설'), (3, '동양철학');

결제 방법 설정

INSERT INTO payment_method (payment_method_id, payment_method_name, is_active) VALUES
('KAKAO_PAY', '카카오페이', true),
('BANK_TRANSFER', '계좌이체', true);

데이터베이스 백업/복원

프로젝트에는 데이터베이스 구조와 샘플 데이터를 포함한 SQL 파일이 제공됩니다:

RDB/full_export.sql - 테이블 구조 및 샘플 데이터

데이터베이스 복원 방법

  # 실제 운영 데이터로 복원 (추천)
  mysql -u bookstore_user -p bookstore_db < database/full_export.sql

⚙️ 환경 설정

필수 설정 항목

1. KakaoPay API 설정

Kakao Developers 에서 앱 생성
결제 서비스 활성화
Admin Key 발급
application.properties에 설정

2. 이메일 설정 (Gmail 기준)

Gmail 계정에서 앱 비밀번호 생성
application.properties에 이메일 정보 설정

3. 보안 설정 (운영 환경)

# 운영 환경에서는 반드시 변경
spring.jpa.hibernate.ddl-auto=validate
spring.jpa.show-sql=false
logging.level.org.hibernate.SQL=WARN

선택 설정 항목

1. 이미지 업로드 경로

file.upload.path=/path/to/upload/directory

2. 세션 설정

server.servlet.session.timeout=30m
server.servlet.session.cookie.max-age=1800

🚨 트러블슈팅

주요 트러블슈팅 내용은 별도 문서를 참조하세요:

📋 TROUBLESHOOTING.md - 상세 트러블슈팅 가이드

자주 발생하는 문제

1. 데이터베이스 연결 실패

Could not create connection to database server

해결방법:

MySQL 서버 실행 상태 확인
데이터베이스 계정 권한 확인
포트 번호 확인 (기본: 3306)

2. KakaoPay API 오류

카카오페이 결제 준비 실패

해결방법:

Admin Key 확인
CID 확인
네트워크 연결 상태 확인

3. 이메일 발송 실패

Failed to send email

해결방법:

Gmail 앱 비밀번호 확인
SMTP 포트 확인 (587)
방화벽 설정 확인

🧪 테스트 계정

관리자 계정

ID: admin_1
Password: admin1!

일반 사용자 계정 (샘플 데이터 로드 후)

ID: fastcampus
Password: fast123!

📂 프로젝트 구조

KDT_BE12_Toy_Project4/
├── src/main/java/bookstore_ai_project/       # Spring Boot 메인 애플리케이션
│   ├── config/                               # 설정 클래스 (SecurityConfig, WebConfig)
│   ├── controller/                           # 컨트롤러 (AIChatController, ProductController 등)
│   ├── dto/                                  # 데이터 전송 객체
│   ├── entity/                               # JPA 엔티티
│   ├── repository/                           # 데이터 액세스 레이어
│   ├── service/                              # 비즈니스 로직 (AIChatService 등)
│   └── scheduler/                            # 스케줄러 (DormantCheckScheduler)
├── ai-service/                               # Python AI 서비스
│   ├── app/
│   │   ├── agents/
│   │   │   ├── recommend_agent.py            # 도서 추천 에이전트
│   │   │   └── wiki_search_agent.py          # 위키 검색 에이전트
│   │   ├── chains/
│   │   │   ├── intent_classify_chain.py      # 의도 분류 체인
│   │   │   ├── query_analysis_chain.py       # 쿼리 분석 체인
│   │   │   ├── clarification_chain.py        # 명확화 체인
│   │   │   └── wiki_search_chain.py          # 위키 검색 체인
│   │   ├── main_agent/
│   │   │   ├── main_agent.py                 # 메인 에이전트
│   │   │   └── intent_router.py              # 의도 라우터
│   │   ├── config/
│   │   │   └── llm.py                        # LLM 설정
│   │   ├── prompts/                          # 프롬프트 템플릿
│   │   ├── utils/                            # 유틸리티 함수
│   │   └── models/                           # 데이터 모델
│   ├── data/
│   │   ├── chroma_db/                        # 벡터 데이터베이스
│   │   └── prompts/
│   │       ├── search_engine.py              # 하이브리드 검색 엔진
│   │       └── preprocessing/                # 데이터 전처리 스크립트
│   ├── main.py                               # FastAPI 서버
│   └── requirements.txt                      # Python 의존성
├── scripts/                                  # 운영 스크립트
│   ├── start.bat, start.sh                   # 서비스 시작 스크립트
│   ├── stop.bat, stop.sh                     # 서비스 중지 스크립트
│   └── chromadb_reset.bat                    # 벡터DB 초기화
├── docker-compose.yml                        # Docker Compose 설정
└── README.md, TROUBLESHOOTING.md             # 문서

🔧 성능 최적화

캐싱 전략

재고 조회 API 캐싱 (30초)
인기 검색어 캐싱 (1시간)
카테고리 구조 캐싱 (세션별)

데이터베이스 최적화

지연 로딩 (Lazy Loading) 전략
복합키 인덱스 활용
쿼리 최적화 (N+1 문제 해결)

AI 서비스 최적화

MMR 기반 다양성 검색 (k=3, fetch_k=10, lambda_mult=0.7)
하이브리드 스코어링 시스템 (감정키워드 +4점, 제품키워드 +3점)
벡터 임베딩 캐싱 (ChromaDB 영구 저장)
세션 기반 대화 관리 (브라우저 종료까지 유지)
클라이언트 사이드 캐싱 (30초 TTL)

🚀 배포 정보

개발 환경

Java: OpenJDK 17
Spring Boot: 3.3.1
MySQL: 8.0.33
Port: 8080

운영 환경 고려사항

SSL 인증서 적용 필요
데이터베이스 성능 튜닝
로드 밸런싱 구성
보안 강화 (비밀번호 암호화 등)

🤝 기여하기

Fork the Project
Create your Feature Branch (git checkout -b feature/AmazingFeature)
Commit your Changes (git commit -m 'Add some AmazingFeature')
Push to the Branch (git push origin feature/AmazingFeature)
Open a Pull Request

📝 라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

책크인 - Spring Boot로 구현한 종합 온라인 서점 시스템

Name		Name	Last commit message	Last commit date
Latest commit History 106 Commits
.mvn/wrapper		.mvn/wrapper
RDB		RDB
ai-service		ai-service
scripts		scripts
src		src
web/WEB-INF		web/WEB-INF
.dockerignore		.dockerignore
.gitattributes		.gitattributes
.gitignore		.gitignore
Dockerfile		Dockerfile
README.md		README.md
TROUBLESHOOTING.md		TROUBLESHOOTING.md
mvnw		mvnw
mvnw.cmd		mvnw.cmd
pom.xml		pom.xml

bwnfo3/BookStore_AI

Folders and files

Latest commit

History

Repository files navigation

토이 프로젝트 4 : 챗봇을 넘어 콜봇으로 based on AI (RAG + LLM)

[프로젝트 개요]

[프로젝트 진행 및 제출 방법]

📚 책크인 - AI 기반 온라인 서점 프로젝트

프로젝트 소개 Introduction

주요 특징

📋 목차

🎯 프로젝트 개요

ERD (Entity Relationship Diagram)

아키텍처

🛠 기술 스택

Backend (Java Spring Boot)

AI Service (Python FastAPI)

Frontend

외부 API & AI 서비스

개발 도구

✨ 주요 기능

👤 사용자 기능

🔐 회원 관리

📖 상품 조회

🛒 장바구니

💳 주문/결제

⭐ 리뷰 시스템

🤖 AI 챗봇 기능

👨‍💼 관리자 기능

📦 상품 관리

📋 주문 관리

👥 회원 관리

🔒 관리자 권한 제어

🤖 AI 서비스 기능

🧠 추천 에이전트 (recommend_agent.py)

📚 위키 검색 에이전트 (wiki_search_agent.py)

🎯 메인 에이전트 (main_agent.py)

🌐 API 명세서

📋 인증 관련 API

📖 상품 관련 API

🛒 장바구니 API

🤖 AI 채팅 API

💳 주문/결제 API

👤 마이페이지 API

⭐ 리뷰 API

👨‍💼 관리자 API

상품 관리

주문 관리

회원 관리

🚀 설치 및 실행

사전 요구사항

1. 프로젝트 클론

2. 데이터베이스 설정

AWS RDS 사용 (현재 프로젝트 방식)

로컬 MySQL 사용 (개발용)

Docker MySQL 사용

3. 애플리케이션 설정 파일 생성

데이터베이스 설정

AI 서비스 URL 설정

환경변수 설정 필수

4. AI 서비스 설정 (Python)

5. AI 서비스 환경 변수 설정

6. 벡터 데이터베이스 (ChromaDB) 설정

초기 벡터DB 생성

도서 데이터 임베딩 (선택사항)

7. Docker 설정 (권장 방법)

Docker Compose 환경변수 설정

Docker Compose 실행

Docker 개별 빌드 (필요시)

8. 애플리케이션 실행

방법 1: Docker Compose 사용 (권장)

방법 2: 개별 실행

방법 3: 스크립트 사용

9. 접속 확인 및 테스트

서비스 접속

AI 챗봇 테스트

벡터DB 상태 확인

Docker 컨테이너 상태 확인

🗄 데이터베이스 설정

🧠 추천 에이전트 (`recommend_agent.py`)

📚 위키 검색 에이전트 (`wiki_search_agent.py`)

🎯 메인 에이전트 (`main_agent.py`)

Packages